搜索“视频”

Wan3.0支持单次30秒长镜头生成

Wan 介绍 Wan3.0视频生成能力

查看事件：Wan3.0支持单次30秒长镜头生成

Chelsea Finn分享Pi机器人部署经验

2026年9月15日,Chelsea Finn发布视频,分享Pi机器人在Dandelion Chocolate的部署经验。她指出,该部署实现完全自主、无人工干预运行,最难的不是抓取箱子,而是可靠堆叠:原桌面机器人需额外摄像头才能看清堆叠,且每次放置位置不同、精度不足会导致整摞箱子在多次操作后倒塌。该部署近期改用移动机器人,可连续数小时自给自足。她表示,其真实场景数据与反馈对π预训练模型扩展很有价值。目前尚无后续发展事实。

ElevenLabs MCP新增多媒体生成

2026年9月14日,ElevenLabs 扩展其 MCP 连接器的能力,新增语音、音乐、图像及视频生成。据 ElevenLabs Blog 同日发布的信息,用户通过一次安装和 OAuth 登录,即可在 Claude、ChatGPT、Cursor、Grokbot、Hermes 等助手中生成语音、转录、配音、音乐、音效、图像和视频,所有产出进入 ElevenCreative 工作区。该连接器调用超过 50 个模型,无需自建服务器或管理 API 密钥,且与驱动 ElevenLabs Agents 的 MCP 为同一个,已连接过的团队无需额外设置。工作区管理员可决定连接可调用的工具,数据驻留地在连接时选择。目前尚无后续发展事实。

Suno与Believe及TuneCore达成全球战略合作

2026年9月9日,Suno宣布与全球艺人发展公司Believe及其自助发行平台TuneCore达成全球战略合作。Believe将参与Suno正在与音乐行业共同开发的新音乐模式,使用Suno新行业合作方模型创作的曲目可经Believe和TuneCore发行,为创作者提供从Suno创作到面向全球听众的更直接路径。此前Believe和TuneCore曾表示不会分发包括Suno当时模型在内的、不符合其标准的AI音乐;Suno近期已推出音频水印与指纹识别及下载限制,这些保护措施同样适用于经Believe和TuneCore分发的音乐。同日,Suno发布新一代音乐模型v6,称其为迄今最好的模型,速度更快、表现力更强、质量更高,并与Warner Music Group、BMG、Believe等行业伙伴共同开发。v6首次提供三款模型,覆盖专业音乐人、新兴创作者和音乐爱好者,支持用自然语言修改歌曲局部、跨曲目混搭、采样与分离音轨、按氛围或参考生成,以及用文本、音频、图像和视频创作音乐。Suno表示v6铺开后旧模型将退役,平台整体迁移到v6代际,后续还将推出围绕单个艺人、艺人可选择参与并获得收益的新产品。

Google搜索推出橄榄球实时赛况与梦幻阵容功能

2026年9月9日,Google 在搜索中推出橄榄球追踪功能。据 Google AI Blog 当日发布的信息,Google Search 上线 Live Game Feed,用户搜索进行中的比赛即可看到实时回放、逐球更新、社交评论、视频集锦和 AI 洞察,该功能已在美国移动端英文上线。同一来源还提到,Search 新增比赛轮播、传球达阵和冲球码数等球员数据,并支持关联 Yahoo Fantasy 或 Sleeper 账号,通过 AI Mode 获取阵容建议。目前该功能处于已上线状态,尚无后续发展事实。

Vimeo扩展多语言自动配音

2026年1月以来,Vimeo客户已通过AI为超过2.5万个视频完成约140万分钟配音,超过27%的企业账户尝试过该功能,平均每个视频覆盖3.3种目标语言。9月7日,Vimeo进一步集成ElevenLabs Dubbing,将转录、翻译、声音克隆和语音合成整合为单一流程,支持40种目标语言。创作者可编辑文本轨道,并在发布前检查和调整配音结果。

微软推进Copilot自主执行复杂任务

2026年9月7日,微软宣布将新模型引入Copilot,扩展其自主执行能力。Copilot可处理快速问答、委派任务,并通过Autopilots持续完成数小时或数天的复杂工作。微软展示的案例中,一个由Opal驱动、运行于安全Windows 365 Cloud PC的Autopilot分析了一个月的野外相机视频,识别并标注动物影像,制作精选视频、表格和PowerPoint,随后通过Teams分享结果。

具身智能企业扩充训练数据

2026年9月3日的材料显示,具身智能企业正加码建设机器人训练数据。由于提升通用操作能力需要大量来自人类视频和机器人运行的数据,而真实物理交互数据仍较稀缺,企业开始综合利用网络视频、第一视角数据、UMI、动作捕捉、遥操作及仿真合成数据。Robbyant将VLA预训练数据由3000小时扩充至2万小时后,下游任务成功率显著提高,其第二代模型的数据集进一步增至6万小时。

Runway发布GWM Worlds 2实时世界模型

2026年9月3日,Runway发布GWM Worlds 2,这是其GWM Worlds的下一代实时交互环境模型。该模型可生成720p、24 fps视频与48,000 Hz音频,并支持生成音频以及主体和场景的丰富控制。模型基于WorldPrompt格式,将世界状态分为持久上下文(创世提示词、首帧、规则)与带时间戳的事件流(动作与相机输入),用户可用文本动作和连续相机运动实时操控世界,会话无预设时长。该模型为自回归扩散音视频模型,目前处于研究预览阶段,实时生成仍在保真度与速度之间取舍,快速旋转等困难相机输入会导致细节、纹理和几何退化,长期记忆也不完善。

Runway发布界面世界模型Solaris

2026年9月1日,Runway发布名为Solaris的界面世界模型,称其为首个Interface World Model,可逐帧实时生成界面本身,无需先转成代码等中间表示。该模型基于Gen-4.5视频生成模型改造,通过自回归逐帧生成、少步蒸馏和自训练实现实时交互,并支持720p画质。在250名参与者、30个交互示例的对比中,Solaris在指令遵循上获61%偏好,在场景自然度上获71%偏好,对手为Claude Opus 5生成的编码界面。Runway表示正与合作伙伴推进公开发布,并开放早期访问申请。

谷歌发布Gemini Omni 1.1 Flash

2026年8月27日,Google DeepMind 发布 Gemini Omni 1.1 Flash 视频生成模型,面向开发者提供更强的生成视频控制能力,可通过 Google AI Studio 或 Gemini Enterprise Agent Platform 调用。官方说明显示,新版本支持场景延长,可分析最多 10 秒前序上下文,并以 10 秒为单位延长至累计 40 秒;同时支持指定首尾帧生成过渡画面、1080p 与 4K 输出,以及 360p 轻量预览。官方还称其生成速度最高快 60%,成本为 720p 的三分之一。目前该事实尚无后续独立发展事实,状态以发布时的官方信息为准。

LingBot-Video获SGLang v0.5.18原生

2026年8月25日,Robbyant(蚂蚁灵波)宣布,其LingBot-Video模型在SGLang v0.5.18中获得原生支持。据该消息,LingBot-Video是一个30B-A3B的MoE文生视频模型,可通过优化后的SGLang-Diffusion服务运行;Robbyant同时向@sgl_project社区致谢,并提供了Cookbook链接。目前进展为该项支持已随SGLang v0.5.18版本落地。

腾讯混元转发HyCreator早期访问申请

2026年8月21日,腾讯混元转发了一条关于HyCreator早期访问申请的消息。据该消息介绍,HyCreator是面向长视频生成的智能体框架,具备端到端自动模式,可在零人工干预下生成10分钟量级的影片,并支持随时切换到实时交互式编辑。消息同时给出了早期访问的申请链接。目前该工具处于早期访问申请阶段,后续进展尚待披露。

ElevenLabs MCP新增多媒体生成

ElevenLabs 扩展 MCP语音、音乐、图像及视频生成能力

查看事件：ElevenLabs MCP新增多媒体生成

百灵发布并开源原生多模态模型Ling-3.0-flash-VL

2026年9月9日,蚂蚁百灵发布并开源百灵系列首个原生多模态大模型Ling-3.0-flash-VL。该模型基于Ling-3.0-flash的MoE架构拓展,总参数124B、单次推理激活5.5B,原生支持图像、文本与视频输入,上下文窗口为256K Token。官方称,原生多模态联合训练使该模型在Artificial Analysis Intelligence Index v4.1.1上较纯文本版本提升4分,并引入观察、行动、验证、修正的视觉反馈闭环,用于前端复刻、GUI Agent和医疗报告解读。目前模型已在Ling Studio上线免费体验,BF16和FP8版本已在Hugging Face与ModelScope开源。

GPT-6 Astra 在 Bricklink Studio 设计实体积木

2026年9月6日,有作者展示用真实乐高积木搭建的作品,并说明这些积木由 GPT-6 Astra 在 Bricklink Studio 中设计,随后在 Blender 中渲染成 4K 视频。作者称这是最不实用但最好玩的用法,并附上了可自行搭建的零件清单。目前该事件仅有这一条代表性证据,暂无后续发展事实。

用户分享用机器人定期更新个人网站地图的用法

2026年8月28日,作者 Balta 分享了一个使用案例:让 @bot 定期更新自己的个人网站 @withvoxelize 世界并生成新地图。据其分享,机器人还会把生成的地图照片和视频发送给自己。目前该用法仅有作者本人的分享这一条来源,尚无其他独立来源或后续发展。

Google面向AI订阅用户推出Gemini语音新能力

Google 面向 Google AI 订阅用户推出新的 Gemini 语音能力。用户可通过对话搜索 Gmail 收件箱、在 Keep 中整理想法和任务,以及创建新的 Docs。Sundar Pichai 特别提到 Docs Live 会比较实用,并附上演示视频和了解更多信息的链接。目前尚无后续发展事实。

谷歌发布Gemini Omni 1.1 Flash

Google DeepMind 发布 Gemini Omni 1.1 Flash视频生成模型

查看事件：谷歌发布Gemini Omni 1.1 Flash

The Register 推荐可完整观看的软件可靠性会议 SSW 2026

The Register 推荐 Software Should Work 2026 会议视频

查看事件：The Register 推荐 SSW 2026 会议视频